单细胞转录组 —— STARsolo 原始数据处理

单细胞转录组 —— STARsolo 原始数据处理实战

前言

前面我们已经介绍了几种原始数据处理工具，最后再介绍一种多平台兼容的快速定量工具 —— STARsolo。

主要使用的还是 STAR 比对软件，只是增加了更多对单细胞数据的处理，不同平台数据的差异，也只是在参数设置上。

实战

软件可以直接用 conda 进行安装

conda create -n STAR -c bioconda -c conda-forge star seqtk

下载人类参考基因组

wget http://ftp.ensembl.org/pub/release-98/fasta/homo_sapiens/dna/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz
wget http://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_32/gencode.v32.primary_assembly.annotation.gtf.gz

或者小鼠参考基因组

wget ftp://ftp.ensembl.org/pub/release-98/fasta/mus_musculus/dna/Mus_musculus.GRCm38.dna.primary_assembly.fa.gz
wget ftp://ftp.ensembl.org/pub/release-98/gtf/mus_musculus/Mus_musculus.GRCm38.98.gtf.gz

解压文件

gunzip Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz
gunzip gencode.v32.primary_assembly.annotation.gtf.gz
gunzip Mus_musculus.GRCm38.dna.primary_assembly.fa.gz
gunzip Mus_musculus.GRCm38.98.gtf.gz

构建索引

构建人类参考基因组索引

STAR \
    --runThreadN 20 \
    --runMode genomeGenerate \
    # 索引保存路径
    --genomeDir human \
    # fa 文件路径
    --genomeFastaFiles Homo_sapiens.GRCh38.dna.primary_assembly.fa \
    # gtf文件路径
    --sjdbGTFfile gencode.v32.primary_assembly.annotation.gtf

类似地，可以构建小鼠参考基因组索引

STAR \
    --runThreadN 20 \
    --runMode genomeGenerate \
    # 索引保存路径
    --genomeDir mmu \
    # fa 文件路径
    --genomeFastaFiles Mus_musculus.GRCm38.dna.primary_assembly.fa \
    # gtf文件路径
    --sjdbGTFfile Mus_musculus.GRCm38.98.gtf

scRNA-seq

从 SRA 数据库中下载 PRJNA666791 项目的 10x scRNA-seq 数据进行分析

prefetch --option-file SRR_Acc_List.txt --output-directory sra

解压数据

ls sra/*/*.sra | xargs fastq-dump --split-files --gzip -O raw

10x barcode 文件可以在下载的 cellranger 软件中找到，例如

ls /path/to/cellranger-8.0.0/lib/python/cellranger/barcodes

参数配置，需要根据所使用数据的信息进行调整

```bash
# 白名单
BC=737K-august-2016.txt
# barcode 的长度
CBLEN=16
# UMI 的长度
UMILEN=10
# 文库方向
STRAND=Forward  # Forward/Reverse/Unstranded

FQDIR="$(pwd)/raw"
TAG="GSM4812353"
R1=""
R2=""
if [[ `find